Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CC76 Complejidad Algorítmica 201901
CC76 Complejidad Algorítmica 201901
Misión: Formar líderes íntegros e innovadores con visión global para que transformen el Perú.
Visión: Ser líder en la educación superior por su excelencia académica y su capacidad de innovación.
III. INTRODUCCIÓN
Al finalizar el curso, el estudiante diseña algoritmos tomando en cuenta el tiempo, el espacio y la complejidad.
Competencia:
Razonamiento Cuantitativo
Nivel de logro:
1
1
Definición:
Capacidad para interpretar, representar, comunicar y utilizar información cuantitativa diversa en situaciones de
contexto real. Incluye calcular, razonar, emitir juicios y tomar decisiones con base en esta información
cuantitativa.
Competencia:
Planificación y conducción de experimentos
Nivel de logro:
1 (Ciencias de la Computación)
Definición:
Identifica los problemas o necesidades que pueden dar inicio a la definición de un proyecto, sin embargo, tiene
dificultades para definir objetivos que satisfagan estas necesidades.
Competencia:
Planificación y conducción de experimentos
Nivel de logro:
2 (Ingeniería de Software)
Definición:
Identifica los problemas o necesidades que pueden dar inicio a la definición de un proyecto, sin embargo, tiene
dificultades para definir objetivos que satisfagan estas necesidades.
V. UNIDADES DE APRENDIZAJE
LOGRO
Competencia(s):
- Razonamiento Cuantitativo- Nivel 1
- Planificación y Conducción de Experimentos-Nivel 1
Logro de la unidad:
- Al finalizar la unidad, resuelve ejercicios, problemas y casos de estudio aplicando métodos de búsqueda como Fuerza
Bruta, Backtraking y algoritmos sobre grafos encontrando el comportamiento asintótico de los algoritmos.
TEMARIO
Contenido 1:
Análisis de Tiempos
¿Análisis de Algoritmos
¿La Notación Big
Actividades de aprendizaje:
2
Análisis de diapositivas.
Aprendizaje basado en problemas.
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios sobre análisis de algoritmos y notación O grande.
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 2:
Algoritmos: FB, BT
¿Fuerza Bruta y Backtracking
¿Espacio de Solución
¿Coincidencia de Cadenas
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de un caso de estudio: diseñando algoritmos de FB y String Match calculando el tiempo y espacio.
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++. WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 3:
Algoritmos: DC
¿Divide y Venceras
¿Espacio de Solución
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de hoja de ejercicios UVA aplicando estrategias DC
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++. WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 4:
Grafos
¿Representación e Implementación
¿Búsqueda en Grafos
¿Problemas Sobre grafos.
Actividades de aprendizaje:
Análisis de diapositivas.
Aprendizaje basado en problemas.
Resolución de ejercicios.
3
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios sobre grafos.
DD1
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++. WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 5:
Ordenamiento
¿Ordenamiento Topologico
¿Problemas OT
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de un caso de estudio para aplicando algoritmos de Grafos y Ordenamiento Topológico.
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 6:
SCC
¿Componentes fuertemente conexos
¿Caso de estudio: SCC
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de problemas de Componentes Fuertemente Conexos.
PC1
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 7:
Solución de Problemas
¿Ejercicios
¿PC1
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios de FB, DC, SCC y OT.
TP1
4
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 8:
Examen Parcial (EA)
HORA(S) / SEMANA(S)
35 Hrs / Semanas 1,2,3,4,5,6, 7 Y 8
LOGRO
Competencia(s):
- Razonamiento Cuantitativo- Nivel 1
- Planificación y Conducción de Experimentos-Nivel 1 / Nivel 2
Logro de la unidad:
- Al finalizar la unidad, el estudiante resuelve problemas aplicando algoritmos voraces, programación dinámica, flujos
y problemas P-NP, calculando el comportamiento asintótico del algoritmo.
TEMARIO
Contenido 9:
Búsquedas
¿Algoritmos de Búsqueda: Dijkstra.
¿UFDS: Unión de conjuntos disjuntos.
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de un caso de estudio aplicando UFDS.
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 10:
MST
¿Arboles de expansión mínima: Algoritmo de Kruskal, Algoritmo de PRIM.
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios Aplicando los algoritmos de Kruskal y PRIM.
Resuelve un caso de estudio usando UFDS y MST
5
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 11:
Flujo Máximo:
¿Algoritmo de Ford-Fulkerson.
¿Edmonds Karp.
¿Algoritmo de Dinic
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios de Flujo Máximo
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 12:
Algoritmos Voraces
¿Alg.Bellman Ford
¿Alg. Floy Warshal
¿Alg. Johnson
Actividades de aprendizaje:
Aprendizaje basado en problemas.
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo el caso de estudio aplicando algoritmos voraces
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 13:
Programación Dinámica
¿Optimalidad de algoritmos.
¿El problema de la mochila
Actividades de aprendizaje:
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios de programación dinámica.
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
6
Contenido 14:
Problemas Tipo P
¿Problemas de decisión.
¿El problema del viajero
Actividades de aprendizaje:
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios.
PC2
Bibliografía:
SEDGEWICK, Robert (1995) Algoritmos en C++.
Contenido 15:
Problemas Tipo NP
¿Problemas Clique.
¿Redes
Actividades de aprendizaje:
Resolución de ejercicios.
Evidencias de aprendizaje:
Desarrollo de la hoja de Ejercicios.
PA
TF
Bibliografía:
WEISS, Mark Allen (1995) Estructuras de datos y algoritmos
Contenido 16:
Examen Final (EB)
HORA(S) / SEMANA(S)
35 Hrs / Semanas 9,10,11,12,13,14, 15 Y 16
VI. METODOLOGÍA
Las sesiones de aprendizaje se desarrollarán bajo la modalidad presencial con 3 horas de teoría y 2 horas de
laboratorio, utilizando estrategias de aprendizaje activo, como por ejemplo: aprendizaje basado en problemas y
aplicación en contexto reales. Se utilizara las siguientes estrategias y experiencias de aprendizaje:
7
- Investigación bibliográfica y electrónica.
- Preguntas insertadas en el material textual educativo.
- Desarrollo de programas en laboratorio.
En las Unidades 1 y 2 se desarrollará, mediante un estudio auto dirigido y guiado remotamente por el profesor,
el primer y tercer hito del trabajo final. Para cumplir con ambos trabajos se han definido los temas que deben
revisar para realizar lo solicitado:
Con relación a los hitos 1 y 3 del estudio auto dirigido y guiado virtualmente por el profesor, formarán parte de
las notas TP (Trabajo Parcial) y TF (Trabajo Final), respectivamente. Esto permitirá medir la correcta
realización de las actividades y objetivos planteados para tales hitos.
VII. EVALUACIÓN
FÓRMULA
5% (DD1) + 5% (PC1) + 15% (TP1) + 15% (EA1) + 10% (PC2) + 5% (PA1) + 20% (TF1) +
25% (EB1)
8
VIII. CRONOGRAMA
https://upc.alma.exlibrisgroup.com/leganto/readinglist/lists/4376733010003391?institute=51UPC_INST
&auth=LOCAL